R- 더미를 사용하여 데이터의 차이를 평가하는 방법

ANOVA (분산 분석)로 작성한 데이터 모델을 확인하려면 >> 요약 (AOVModel) Df Sum Sq 평균 Sq F 값 Pr (> F) 스프레이 5 2669 533. 8 34. 7 <2e-16 *** 잔차 66 1015 15. 4 --- 서명. 코드: 0 '***'0.001 '**'01 '*'05 '. '0. 1 "1 999 R은 본질적으로 다른 용어가 귀하의 데이터에서 중요한 부분을 설명 할 수 있는지 여부를 알려주는 분산 분석 표를 인쇄합니다.이 표는 용어,

데이터 모델 테이블을 검사하는 방법

모델 테이블을 사용하여 () 함수를 사용하면 요인의 개별 레벨에 대한 결과를 볼 수 있습니다.이 함수를 사용하면 두 개의 다른 테이블을 만들 수 있습니다. 각 그룹에 대한 평균 결과를 보거나 전체

모델 (AOVModel, type = "effects") 효과 스프레이 스프레이 ABCDEF 5. 000 5. 833 -7 417 -4. 583 -6. 000 7. 167

예를 들어 스프레이 E는 평균적으로 모든 분야에서 평균보다 적은 6 버그로 나타났습니다. 다른 한편, 스프레이 A가 사용 된 분야의 농부들은 전체 평균에 비해 평균 5 개의 벌레를 발견했다.

그룹별로 모델화 된 평균과 전체 평균을 얻으려면 type = 'effects'대신 type = 'means'인수 값을 사용하십시오.

데이터의 개인차를 보는 ​​방법

농부는 아마도 스프레이 A를 구입하는 것을 고려하지 않았지만 스프레이 D는 어떨까요? 스프레이 E와 C는 더 좋을 것으로 보이지만, 훨씬 더 비쌀 수도 있습니다. 스프레이 사이의 페어 와이즈 차이가 중요한지 여부를 테스트하려면 Tukey의 HSD (Honest Significant Difference) 테스트를 사용합니다. TukeyHSD () 함수를 사용하면 다음과 같이 쉽게 할 수 있습니다.

>> 비교 <- tukeyHSD (Model)

이 예에서는 스프레이라는 요소가 하나만 있습니다. 이 요소는 모든 스프레이 조합에 대해 다음을 포함합니다.

수단의 차이.

평균 차이에 대한 95 % 신뢰 구간의 하한선과 상한선.

이 차이가 0과 크게 다른지 여부를 알려주는 p- 값입니다.이 p- 값은 Tukey의 방법을 사용하여 조정됩니다 (따라서 열 이름 p adj).

고전적인 추출 방법을 사용하여 모든 정보를 추출 할 수 있습니다. 예를 들어, 다음과 같이 D와 C의 차이에 대한 정보를 얻습니다. >> Comparison $ spray ['D-C',] diff lwr upr p adj 2. 8333333 -1. 8660752 7. 5327418 0. 4920707

• 당신이 Tukey에게 물어 본다면 그 차이는 인상적이지 않습니다.

• 차이를 그릴 방법

• TukeyHSD 객체는 또 다른 멋진 기능을 가지고 있습니다: 그것은 플롯 될 수 있습니다. 플롯 기능에 대한 도움말 페이지를 찾으러 오지 마라. 단 한 문장 만 있으면된다. "플롯 방법이 있습니다. "그러나 그것은 확실히 작동합니다! >> plot (Comparisons, las = 1)

이 간단한 선의 결과를 볼 수 있습니다. 각 라인은 신뢰 구간에 따라 두 그룹 간의 평균 차이를 나타냅니다. 신뢰 구간이 0 (수직선)을 포함하지 않을 때마다 두 그룹 간의 차이가 중요합니다.

일부 그래픽 매개 변수를 사용하여 플롯을보다 쉽게 ​​읽을 수 있습니다. 특히 las 매개 변수는 여기에서 유용합니다. 이 값을 1로 설정하면 모든 축 레이블을 가로로 인쇄하여 실제로 읽을 수 있습니다.